الذكاء الاصطناعي

إطلاق OlmoEarth v1.3: نموذج ذكاء اصطناعي لتحليل صور الأقمار الصناعية

يقدّم OlmoEarth v1.3 نهجاً جديداً في تحليل البيانات الفضائية من خلال توليد تمثيلات رقمية (Embeddings) جاهزة للاستخدام، مما يسهّل تتبع التغيرات البيئية والزراعية على مستوى الكوكب.

رضوان عبدالهاديمحرر وكاتب تقني

نُشر: 22 أكتوبر 2026 · آخر تحديث: 22 أكتوبر 2026 · 4 دقائق قراءة

إطلاق OlmoEarth v1.3: نموذج ذكاء اصطناعي لتحليل صور الأقمار الصناعية — الصورة: Hugging Face Blog

الخلاصة

إطلاق نموذج OlmoEarth v1.3 الذي يحوّل بيانات رادارية ومتعددة الأطياف إلى متجهات رقمية بدقة 10 أمتار لكل بكسل.
توفير أرشيف عالمي من التمثيلات الرقمية المحسوبة مسبقاً لعام 2025 و2024 و2023، متاحة مجاناً عبر Source Cooperative.
أداء يتفوق على المنافسين في 20 من أصل 27 اختباراً تقنياً، مع كفاءة تدريبية أعلى وانبعاثات كربونية أقل بنسبة 50% مقارنة بالإصدار السابق.
إتاحة أداة OlmoEarth Embeddings Explorer التي تتيح للمستخدمين تحليل التغيرات الزمنية وتدريب مصنفات صغيرة مباشرة من المتصفح.

إطلاق نموذج OlmoEarth v1.3 من مؤسسة Ai2

أعلنت مؤسسة Ai2 عن إطلاق الإصدار الثالث من نموذج OlmoEarth، وهو نموذج ذكاء اصطناعي متقدم مخصص لتوليد تمثيلات رقمية (Embeddings) من صور الأقمار الصناعية. يهدف هذا الإصدار إلى تسهيل استخدام البيانات الفضائية من خلال تحويلها إلى ميزات جاهزة للاستخدام، مما يلغي الحاجة إلى عمليات تدريب معقدة لكل مهمة جديدة. يأتي هذا الإطلاق ضمن جهود المؤسسة لجعل تحليل البيانات الكوكبية في متناول الباحثين والمطورين دون الحاجة إلى بنية تحتية حاسوبية باهظة التكلفة. ويمكن الرجوع إلى Hugging Face Blog للاطلاع على التفاصيل الأصلية للمصدر.

آلية عمل النموذج ودقة التمثيلات الرقمية

يعمل OlmoEarth v1.3 بقراءة سلسلة زمنية من بيانات الأقمار الصناعية تشمل الرادار (Sentinel-1) والصور متعددة الأطياف (Sentinel-2 وLandsat) لعام كامل. ينتج النموذج متجهاً رقمياً واحداً بعدد 128 بُعداً لكل بكسل بدقة 10 أمتار، مع إمكانية استخدام أول 64 بُعداً كتمثيل أصغر حجماً. يعتمد النموذج على معمارية Vision Transformer لدمج البيانات وتحويلها إلى متجهات تلتقط الخصائص الجغرافية والزمنية للأرض، مما يسمح بإعادة استخدام هذه الميزات في مهام متنوعة بتكلفة حسابية منخفضة.

الأداء التقني والمقارنة مع المنافسين

خضع النموذج لتقييمات شاملة شملت 27 اختباراً عبر القارات الست، حيث تفوق OlmoEarth v1.3 على نماذج منافسة مثل AlphaEarth Foundations وTessera v2 في 20 من هذه الاختبارات. كما أظهرت النسخة ذات 64 بُعداً أداءً قوياً بتصدرها 18 اختباراً. بالإضافة إلى ذلك، قدمت المؤسسة معياراً جديداً باسم PLANTEUR لتقييم تصنيف المحاصيل في المناطق الاستوائية، مما يعزز قدرة النموذج على التعميم في المناطق التي لم يسبق تدريبه عليها. تؤكد النتائج أن النموذج يحقق توازناً مثالياً بين الدقة والحجم الصغير للبيانات الناتجة.

الكفاءة الحسابية والاستدامة البيئية

يُعد OlmoEarth v1.3 الأكثر كفاءة في تاريخ إصدارات OlmoEarth من حيث التكلفة والبيئة. استغرق تدريب النموذج 53% فقط من الوقت الحسابي المطلوب للإصدار السابق v1.2، و18% من الوقت المطلوب للإصدار الأول. وانعكس ذلك على الانبعاثات الكربونية التي انخفضت بنسبة 50% مقارنة بالإصدار السابق. تشير التقديرات إلى أن تكلفة إعادة إنتاج التدريب النهائي للنموذج الأساسي تبلغ حوالي 2,720 دولاراً باستخدام وحدات معالجة رسومية H100، مما يجعله خياراً اقتصادياً للباحثين والمؤسسات الصغيرة.

أداة OlmoEarth Embeddings Explorer التفاعلية

أطلقت المؤسسة أداة OlmoEarth Embeddings Explorer، وهي منصة ويب تفاعلية تتيح للمستخدمين استكشاف التمثيلات الرقمية دون الحاجة لتسجيل حساب أو خبرة تقنية. تتيح الأداة التنقل في خريطة عالمية بالألوان الزائفة، ومقارنة التغيرات بين الأعوام، وتدريب مصنفات صغيرة مباشرة في المتصفح لتحديد مناطق مشابهة أو تتبع التغيرات البيئية. يمكن للمستخدمين تصدير النتائج بصيغة GeoTIFF، مما يسهّل دمج التحليلات في أنظمة المعلومات الجغرافية التقليدية.

تطبيق عملي: مراقبة التعدين غير المشروع في بيرو

يوضح التطبيق العملي للنموذج قدرته على كشف التغيرات البيئية الدقيقة. في منطقة مادري دي دوس ببيرو، ساعدت التمثيلات الرقمية في تتبع انتشار التعدين غير المشروع للذهب حول محمية تامبوباتا الوطنية. أظهرت مقارنة البيانات بين عامي 2017 و2020 توسعاً في مناطق التعدين نحو الجنوب الشرقي، بينما كشفت المقارنة بين 2020 و2025 عن استمرار النشاط في جيوب محددة رغم الحملات الأمنية. تتيح هذه الأداة للباحثين مراقبة فعالية الإجراءات الحكومية وتقييم مدى تعافي الغابات دون الحاجة إلى تدريب نماذج جديدة لكل حالة.

الوصول المفتوح للبيانات والشفافية

التزمت مؤسسة Ai2 بمبدأ الشفافية الكاملة من خلال فتح جميع مكونات المشروع، بما في ذلك أوزان النموذج، بيانات التدريب، والكود المصدري. تتوفر التمثيلات الرقمية المحسوبة مسبقاً للأعوام 2023 و2024 و2025 على مستوى العالم، مع تغطية جزئية للفترة من 2017 إلى 2022، عبر منصة Source Cooperative. تتضمن كل بيانات التمثيلات سجلات أصلية (Provenance) تربط كل بكسل بالمشاهد الفضائية الأصلية من Sentinel-1 وSentinel-2 وLandsat، مما يسمح للباحثين بتتبع مصدر البيانات والتحقق منه بدقة.